Otvorený slovník pojmov pre štruktúrované dáta, ktorý pomáha strojom porozumieť obsahu webu.

Prečo používať JSON-LD?

Je oddelený od HTML, ľahko sa generuje a udržiava, minimalizuje chyby a zvyšuje flexibilitu.

Schema.org: standard strukturovaných dat na webu

Schema.org jako základní standard strukturovaných dat

Schema.org je otevřený komunitně spravovaný slovník pojmů, který umožňuje webům popisovat obsah způsobem srozumitelným pro stroje. Strukturovaná data podle Schema.org tvoří most mezi webovou stránkou a vyhledávacími či konverzačními systémy – od klasických vyhledávačů přes odpovědní enginy (AEO) až po asistenty AI a modely LLM. Správné značení zvyšuje srozumitelnost (machine readability), zlepšuje nalezitelnost (discoverability) a podporuje důvěryhodnost (credibility) obsahu.

Proč jsou strukturovaná data klíčová pro moderní SEO, AIO a AEO

Viditelnost a rozšířené výsledky: zpřístupnění údajů o produktech, událostech či článcích umožňuje bohatá zobrazení (rich results) a vyšší míru prokliků.
Kontext pro LLM a asistenty AI: explicitní entity (osoby, organizace, produkty, místa) snižují nejednoznačnost a usnadňují generování přesných odpovědí.
Napojení na znalostní grafy: konzistentní entity a identifikátory (sameAs, identifier) pomáhají propojovat váš obsah s grafy (např. Knowledge Graph) a profily v ekosystému webu.
Škálovatelná analytika a automatizace: jednotná struktura dat zlepšuje interní vyhledávání, doporučovací systémy i merchandising.

Model entit a vztahů: jak Schema.org popisuje svět

Schema.org pracuje s typy (např. Organization, Product, Article) a vlastnostmi (např. name, description, brand, offers). Vztahy mezi typy (např. článek publikovaný organizací, produkt nabízený obchodem) se zapisují pomocí vnořených objektů. Klíčové je udržovat konzistenci napříč stránkami a stabilní identifikátory entit (URI, IRI, URL, externí profily přes sameAs).

Formáty implementace: JSON-LD, Microdata a RDFa

JSON-LD: doporučený přístup. Data jsou vložena v <script type="application/ld+json"> a nezasahují do struktury HTML. Snadno se generují, verzují a testují.
Microdata: atributy přímo v HTML ( itemscope, itemtype, itemprop ). Náročnější na údržbu, ale použitelné u menších projektů.
RDFa: univerzálnější přístup pro sémantický web; flexibilní, ale komplexnější.

Od „klasického“ SEO k AEO/AIO: co se mění

Tradiční SEO se soustředilo na indexaci a pozice ve výsledcích vyhledávání. AEO (Answer Engine Optimization) a AIO (AI Optimization) rozšiřují cíl o správnou odpověď doručenou napříč kanály: SERP, hlasovými asistenty, chatboty a nástroji LLM. Kvalitní strukturovaná data snižují riziko halucinací, zvyšují přesnost shrnutí a pomáhají systémům pochopit autoritu i aktuálnost obsahu.

Praktické typy Schema.org pro většinu webů

WebSite + Sitelinks Search Box (WebSite, SearchAction)
Organization/LocalBusiness (firemní identita, kontakty, sameAs)
BreadcrumbList (kontext navigace)
Article/NewsArticle/BlogPosting (autor, data, mainEntityOfPage)
Product + Offer + AggregateRating (katalogy, e-commerce)
FAQPage a HowTo (odpovědi a postupy pro AEO/AIO)
Event, JobPosting, Course, SoftwareApplication, VideoObject, ImageObject

Příklad: identita organizace (signály E-E-A-T)

Udržujte konzistentní názvy, adresy, IČO/ID a profily na sociálních sítích a zveřejňujte autory s odborným profilem. Pomáhá to také modelům LLM a agentům spolehlivě identifikovat zdroj.

Příklad: produkt s nabídkou a hodnocením

Oddělte vlastnosti produktu od obchodních podmínek (nabídky). Uvádějte měřitelné údaje (cena, měna, skladem).

Příklad: FAQ a HowTo pro odpovědní enginy

FAQ a HowTo využívají AEO/AIO i asistenti. Odpovědi musí být pravdivé, stručné, aktuální a musí odpovídat obsahu na stránce.

Zásady implementace pro robustní strategii AIO/AEO

Mapování entit: vytvořte katalog entit (produkty, autoři, pobočky). Každé entitě přiřaďte stabilní identifikátor a odkazy sameAs.
Jednoznačnost a úplnost: vyplňte klíčové vlastnosti (název, popis, URL, obrázky, data, ceny, jednotky). Nepoužívejte vágní nebo protichůdné údaje.
Synchronizace s obsahem: údaje ve schématu musí odpovídat viditelnému obsahu na stránce (konzistence je podmínkou důvěry a způsobilosti pro zobrazování bohatých výsledků).
Modularita a dědičnost: používejte opakovaně použitelné šablony pro typy; oddělte společné části (např. Organization) a vkládejte je jako odkazy (@id).
Internacionalizace: jazykové mutace rozlišujte pomocí URL, inLanguage a vazeb mezi alternativami (alternateName, isPartOf).
Obrázky a kvalita médií: používejte dostatečné rozlišení, správný poměr stran a stabilní URL.

Postupy validace a monitorování

Automatizované testy: krok CI/CD, který kontroluje schémata JSON-LD (syntakticky i sémanticky), např. schémata šablon prostřednictvím JSON Schema.
Způsobilost pro Rich Results: pravidelně ověřujte vybrané typy, které mohou generovat rozšířené výsledky, a opravujte varování.
Protokolování změn: při aktualizacích produktů/nabídek zaznamenávejte změněná pole (cena, skladem) a doplňujte časová razítka.
Monitorování konzistence: kontrolujte shodu mezi viditelným obsahem a strukturovanými daty (např. snímky DOM oproti JSON-LD).

Propojení s datovou vrstvou a CMS

Nejspolehlivější implementace vychází ze zdrojových systémů (CMS, PIM, CRM). Zajistěte datovou vrstvu s jednoznačně definovanými poli, z níž budete generovat šablony JSON-LD. Minimalizujte ruční zásahy, aby byla data konzistentní a auditovatelná.

Práce s entitami, identifikátory a `sameAs`

Každá klíčová entita by měla mít stabilní @id (kanonickou URI v rámci vašeho webu) a seznam odkazů sameAs na externí autoritativní profily (Wikidata, oficiální profily na sociálních sítích, obchodní rejstříky). Usnadňuje to párování entit ve znalostních grafech a modelům LLM zkracuje cestu k ověřitelným faktům.

Pokročilá témata: verze, rozšíření a „pending“

Schema.org průběžně rozšiřuje svůj slovník. Pro experimentální vlastnosti existuje sekce pending. Při nasazení v produkci dávejte přednost stabilním typům a vlastnostem; experimenty mějte pod kontrolou (feature flagy) a měřte jejich přínos.

Nejčastější chyby a anti-patterny

Nepravdivé nebo zavádějící údaje: poškozují důvěryhodnost a mohou vést k penalizaci.
Nekonzistentní URL a data: způsobují problémy se synchronizací a indexací.
Duplicitní entity bez identifikátorů: komplikují párování v grafech a vedou k fragmentaci signálů.
Prázdné zástupné hodnoty a obecné popisy: snižují kvalitu a způsobilost pro bohaté výsledky.
Nadměrné nebo nesouvisející značení: držte se relevantních typů; „více“ neznamená „lépe“.

Kontext pro optimalizaci ChatGPT/LLM

Modely LLM extrahují fakta a vztahy i z nestrukturovaného textu, strukturovaná data jim však usnadňují disambiguaci a verifikaci. Klíčové je:

Obsah zaměřený na entity: každá stránka by měla mít jasně určené „hlavní entity“ (mainEntity, mainEntityOfPage).
Autorství a zdroj: u odborných témat deklarujte autory (Person) a vydavatele (Organization).
Aktualizace: udržujte datePublished, dateModified, availabilityStarts/availabilityEnds, aby systémy AI mohly posoudit aktuálnost.

Proces zavádění: od auditů po škálování

Audit: identifikujte typy obsahu a entity, které přinesou největší přínos (produkty, články, místní provozovny, FAQ).
Šablony: navrhněte šablony JSON-LD s povinnými a doporučenými vlastnostmi pro každý typ.
CI/CD a testování: validujte při buildech, kontrolujte změny polí a automaticky nasazujte pouze úspěšné verze.
Monitorování: vyhodnocujte dopad na CTR, zobrazení, viditelnost bohatých výsledků a kvalitu odpovědí asistentů AI.
Iterace: na základě dat rozšiřujte pokrytí typů a zlepšujte kvalitu polí (např. přesnější vlastnosti, více odkazů sameAs).

Shrnutí a doporučené „best practices“

Dávejte přednost JSON-LD; udržujte silnou vazbu na skutečný obsah a aktuální údaje.
Modelujte entity a jejich vztahy; používejte stabilní @id a sameAs.
Validujte, monitorujte a verzujte; integrujte do CI/CD.
Zaměřte se na typy s největším přínosem pro SEO, AEO a AIO (Organization, Product, Article, FAQPage, HowTo, LocalBusiness, BreadcrumbList).
Dbejte na kvalitu médií, přesnost měření a transparentnost autorství.